在Linux配置显卡驱动和深度学习环境失败，转战Windows环境系统: windows 10 64位显卡: GTX1050操作步骤1、安装Windows10 64位系统2、安装最新版本的显卡驱动，我是使用360驱动大师安装的3、安装cuda_9.0.176_win10 （注意 ： tensorflow对这个版本特别严格，必须安装这个

softmax是机器学习中常用的函数，计算公式如下图使用tensorflow框架执行：import tensorflow as tfa =  tf.constant([3.,1.,-3.])b = tf.nn.softmax(a)sess = tf.Session()print(sess.run(b))输出 [ 0.87887824  0.11894324  0.00217852]

from tensorflow.examples.tutorials.mnist import input_dataimport tensorflow as tfmnist = input_data.read_data_sets("/tmp/tensorflow/mnist/input_data", one_hot=True)# Create the modelx = tf.placeholder(tf.float32, [None, 784],name="x")W

使用tensorboard来观察loss变化可以很好的进行调参在定义好了loss之后调用：tf.summary.scalar("loss",loss) #把loss加入summary中merged = tf.summary.merge_all()#合并所有操作train_writer = tf.summary.FileWriter("C:\\tmp\\tensorflow\mnist\log",

tf.estimator是一个高级的训练框架，可以不用手写大量和训练有关的代码import tensorflow as tf#np是一个数据预处理的库import numpy as np#定义特征列表表这里只有一个特征xfeature_columns = [tf.feature_column.numeric_column("x", shape=[1])]#创建一个线性回

optimizer = tf.train.GradientDescentOptimizer(0.001)train = optimizer.minimize(loss)第一行设置了训练的步长为0.001第二行设置了训练的目标是使损失值最小化

按照tenserflow的官网线性回归问题的demo输入了代码，运行之后发现官方在该demo中使用的损失函数其实是有问题的，如果每次训练的数据一多就不能很好的训练了# lossloss = tf.reduce_sum(tf.square(linear_model - y)) # sum of the squares该损失函数的意思是  规约求和

看文档讲了一大堆，最简单的操作merged = tf.summary.merge_all()train_writer = tf.summary.FileWriter("C:\\tmp\\tensorflow\mnist\log",                                 &n